OTIMIZAO DE PROJETOS UTILIZANDO GRG, SOLVER E EXCEL

Marco Antnio Rahal Sacoman - sacoman@fc.unesp.br

UNESP, Departamento de Computao
Av. Eng. Luiz Edmundo Carrijo Coube, 14-1
Vargem Limpa
17033-360 Bauru - SP

Resumo: A modelagem e a soluo de projetos atravs de otimizao so tcnicas que podem

ser utilizadas pelos prprios profissionais das reas que tratam desses projetos e que, de
forma geral, podem ser profissionais de qualquer rea do conhecimento. Isto ocorre, pois
qualquer projeto que possa ser expresso atravs de equaes matemticas, em qualquer rea
do conhecimento, candidato a ser considerado um problema de otimizao. Contudo, os
profissionais destas reas nem sempre conhecem os mtodos, algoritmos e programas
computacionais que resolvem problemas de projeto timo. O principal objetivo deste texto
apresentar uma ferramenta de grande eficincia na soluo de problemas de otimizao, que
pode ser utilizada de forma prtica, definindo-se o problema de forma simples, atravs de
equaes introduzidas em clulas de planilha eletrnica. Trata-se da planilha Excel,
amplamente conhecida para clculo simples, mas que possui, tambm, ferramentas
poderosas, no to conhecidas, como o Solver, que utiliza mtodos como Simplex para
soluo de problemas lineares e GRG para soluo de problemas no-lineares. importante
considerar que o Mtodo do GRG tido, desde sua primeira implementao computacional
estvel (GRGA-1975), at a presente data, como o mtodo mais eficiente para soluo de
problemas gerais de programao no-linear.

Palavras-chave: Otimizao, Projeto timo, Modelos lineares e no-lineares, GRG, Solver,

Excel.

1. INTRODUO

A modelagem e a soluo de projetos so, em geral, desenvolvidas por profissionais que

nem sempre tm conhecimentos sobre otimizao e, desta forma, limitam-se a resolver o
problema de forma clssica, ou seja, utilizando os conceitos e os algoritmos para soluo
desses projetos, os quais podem ser de qualquer rea do conhecimento. Desta forma, para
qualquer tipo de projeto, o que o projetista realmente faz uma verificao dos valores
impostos para os parmetros do projeto, com relao aos seus limites, os quais so
relacionados s equaes tcnicas dos problemas ou s prprias variveis. Para aqueles que j
so, ao menos, iniciados em otimizao, fcil entender que o projetista verifica se a soluo
pertence regio vivel descrita pelas restries do projeto. Portanto, projetar da forma
clssica atribuir parmetros e verificar a soluo. Toda e qualquer tentativa de se encontrar
uma soluo melhor feita por modificao dos parmetros e nova verificao da viabilidade
da soluo. Isto seria similar s iteraes de um procedimento de otimizao, porm sem
qualquer critrio matemtico de busca do timo. Seriam apenas clculos e mais clculos para
se encontrar uma melhor soluo, atravs de tentativa e erro. Quando estes profissionais
projetistas so apresentados otimizao, deparam-se com dois sentimentos: de xtase, por
saber que existem tcnicas para encontrar solues melhores que aquelas oferecidas pelo
procedimento clssico, e de frustrao, pela falta de conhecimento dos mtodos, algoritmos e
programas computacionais que resolvem estes problemas.
O sentimento de frustrao pode ser facilmente resolvido utilizando-se uma ferramenta
poderosa que se encontra disponvel no programa Microsoft Excel. Trata-se do Mdulo
Solver, que permite resolver problemas de otimizao descritos atravs de equaes escritas
nas clulas da planilha. Para melhor compreenso segue um breve histrico da criao desta
ferramenta.

2. HISTRICO - GRG, SOLVER E EXCEL

Rosen (1960) apresentou o Mtodo do Gradiente Projetado, para soluo de problemas de

programao matemtica com funo objetivo no-linear e restries lineares. A seguir,
Rosen (1961) estendeu o seu mtodo para o caso geral, onde no somente a funo objetivo,
mas tambm as restries, so no-lineares. Wolfe (1963) apresentou o Mtodo do Gradiente
Reduzido, que resolve a mesma classe de problemas de Rosen (1960), mas com uma
formulao muito mais simples que aquela. Carpentier e Abadie (1966) generalizaram o
mtodo de Wolfe e este mtodo ficou mais eficiente que a generalizao feita anteriormente
por Rosen. O trabalho de Carpentier e Abadie foi apresentado no Quarto Congresso
Internacional de Pesquisa Operacional, em 1966. O Mtodo ficou conhecido como Mtodo do
Gradiente Reduzido Generalizado e abreviado como GRG (Gradient Rduit Gnraliz,
Generalized Reduced Gradient ou Gradiente Reduzido Generalizado).
Durante quase uma dcada foram efetuadas implementaes computacionais deste
mtodo em diferentes computadores, com a linguagem apropriada na poca (Fortran) e, em
todas as implementaes, os testes mostravam a eficincia do mtodo.
Lasdon (1974) j demonstrava interesse na utilizao o GRG para soluo de problemas
de otimizao no-linear.
Abadie (1975) desenvolveu o cdigo computacional conhecido como GRGA, escrito em
Fortran, com aproximadamente 5000 linhas de cdigo fonte. Esta verso continha bibliotecas
para clculo do gradiente da funo objetivo e do jacobiano das restries e bastava que o
usurio escrevesse um programa principal, duas sub-rotinas para definir a funo objetivo e as
restries e a chamada para o cdigo GRGA, que j deveria estar compilado para o
computador em questo. Isto significava um grande avano para a poca.
Waren e Lasdon (1979) deram uma descrio detalhada do desempenho de vrios
cdigos computacionais em uso na poca, informando a diferenciada qualidade do GRG. A
seguir, Lasdon efetuou algumas modificaes no algoritmo e o batizou como GRG2. Em
1980, j estava disponvel em forma de cdigo computacional (LASDON, 1980). Ressalte-se
que estas modificaes foram efetuadas no algoritmo e, consequentemente, no programa
computacional, preservando o mtodo original. Alm disto, embora muitos pensem que o
Mtodo do GRG foi criado por Lasdon, os criadores deste mtodo so, efetivamente,
Carpentier e Abadie.
Hock e Schittkowski (1981) fazem um estudo comparativo com uma srie extensa de
problemas executados atravs de alguns dos cdigos considerados mais eficientes. Em
centenas de problemas testados, o GRGA foi o mais eficiente em quase todos os testes.
Lasdon distribuiu comercialmente cpias do cdigo GRG2, compilado para diferentes
computadores. Naquela poca, cada diferente computador tinha seu prprio sistema
operacional e requeria compilao prpria para executar um programa.
Posteriormente, a empresa Frontline Systems Inc. adquiriu os direitos de utilizao do
mtodo e criou o Solver em diferentes verses que podiam ser adquiridas por quem quisesse e
pudesse pagar por elas. Os valores eram muito altos para pessoas comuns, mas no so to
altos para empresas como NASA, Bell Aerosystems, Boeing ou empresas de menor porte que
eram atendidas pela Frontline de forma diferenciada, para que comprassem seus produtos.
Esses produtos, que utilizam o GRG ou outros mtodos, so vendidos, atualmente, em forma
de arquivos DLL (Dynamic Link Library) para utilizao com programas que faam uso da
biblioteca, sob o sistema operacional Windows. So vendidas, tambm, verses para outros
sistemas. Para que se conheam estas verses, sugere-se o endereo www.solver.com.
A Frontline iniciou uma parceria com a Microsoft, trabalhando em verses anteriores do
Windows e do Excel. Foi desenvolvida uma verso especfica do Solver para uso atravs de
planilhas. Desde ento, mais de 500 milhes de cpias do Frontline Solver para otimizao
foram distribudas atravs de sua incluso em cada cpia do Microsoft Office. Assim,
qualquer pessoa que utilize o Excel poder utilizar o GRG.
Segue o mtodo GRG, como descrito, originalmente por Carpenier e Abadie. Pela
complexidade do mtodo, do algoritmo e de todas as possveis implementaes
computacionais, pode ser visto na Seo 5 que a utilizao desta ferramenta, atravs do Excel,
extremamente mais simples.

3. O MTODO DO GRG

Considera-se o problema geral de programao no-linear escrito sob a seguinte forma:

maximizar f(x)
sujeito a: g(x) = 0
axb
definidos como x, a, b Rn, f: RnR, g: RnRm e P = {x | a x b} Rn.
Esta formulao geral e pode representar todos os problemas de programao no-
linear. Isto possvel, porque as restries de desigualdade sempre podem ser transformadas
em restries de igualdade pela introduo de variveis de folga. Alm disto, em problemas
de minimizao, basta que se utilize a relao mn{f(x)} = -mx{-f(x)}.
O algoritmo, descrito a seguir, baseado no Mtodo do Gradiente Reduzido
Generalizado e a notao utilizada apresentada no Quadro 1.

Quadro 1 - Notao utilizada.

Nome Notao Bsico No bsico

Variveis x xB xN
Gradiente f/x f/xB f/xN
Jacobiano g/x g/xB g/xN
Direo d dB dN
B: conjunto dos ndices das variveis bsicas; |B|=m
N: conjunto dos ndices das variveis no-bsicas; |N|=n-m
xk, dk so os valores de x e d na k-sima iterao
Passo 1 Encontrar uma primeira soluo vivel x0. Considerar xk a k-sima soluo
encontrada pelo algoritmo.
Passo 2 Calcular o jacobiano g/xk no ponto xk e separar as variveis em x kB R m e
x kN R n m , de forma a satisfazer as hipteses de no-degenerescncia:
H1) xi P, i B;
H2) g /x kB no-singular.
Passo 3 Calcular a direo de deslocamento das variveis no-bsicas, como segue:
f g
a) calcular os multiplicadores de Lagrange u = k . k
1

x B x B
f g
b) calcular o gradiente reduzido N f = + u. k
x N
k
x N
jf < 0 e x kj = a j
0 se
c) calcular o gradiente reduzido projetado j N, p j = jf > 0 e x j = b j
k

jf seno
Se pN = 0, PARAR; seno, fazer dN = pN.
Passo 4 Considerar a condio de otimalidade g.d = 0 e calcular a direo de deslocamento
g g
das variveis bsicas. Ento, k .d B + k .d N = 0 e, a partir da relao, calcular dB
x B x N
g g
d B = k . k .d N
1

x B x N
Passo 5 Melhorar a soluo, como segue:
a) encontrar um valor positivo que maximize f(x+.d)
b) deslocar as variveis, tanto no-bsicas como bsicas, segundo as direes
calculadas, ou seja, calcular x
N = x kN + .d N e x
B = x Bk + .d B , encontrando
x
= ( x
B , x
N ) que, em geral, no vivel. Ento,
c) resolver um sistema de m equaes no-lineares a m incgnitas, para modificao
de suas variveis bsicas g ( x B , x
N ) = 0 , aplicando um mtodo pseudo-Newton:
g
calcular, iterativamente, a partir de x
B , a soluo x = x k .g ( x Bt , x
N )
1

x B
t +1 t
B B

considerar x
B a soluo encontrada e o ponto obtido x k +1 = ( x
B , x
N ) pode ser

tal que:
se xk+1 P, mas f(xk+1) < f(xk), tentar encontrar um novo ponto, reduzindo ;
se xk+1 P, mas f(xk+1) > f(xk), tentar encontrar uma soluo melhor,
aumentando ;
se xk+1 P, efetuar uma troca de base.
Retornar ao Passo 2.
4. MODELANDO UM EXEMPLO - SOLUES GRFICA E ANALTICA

Para exemplificar esta utilizao, adotou-se um problema prtico de engenharia de

estruturas, mas qualquer outro problema de qualquer outra rea da engenharia ou de qualquer
outra rea do conhecimento tambm seria adequado. Sacoman (1994 apud SACOMAN, 1998)
implementou uma verso do GRG para microcomputadores e analisou vrios exemplos de
Hock e Schittkowski (1981). Incluiu alguns problemas de otimizao de projeto e o exemplo
que segue tem apenas duas variveis, para que seja possvel a representao grfica das
variveis de projeto, das restries, da funo objetivo e do espao de soluo do problema.
Considera-se o problema de otimizar um elemento estrutural para construo em srie,
em forma de viga-caixo, bi-apoiada em consolos, tal como mostrado na Figura 1. O objetivo
da otimizao minimizar a quantidade de material a ser consumido no projeto. O material
utilizado ser o alumnio, cujo peso especfico = 2,7 tf/m3.

p (tf/cm 2 )

(a)
p (tf/cm) x 1 (cm)

t s (cm) ts
x 2 (cm)
x1

L 0 (cm) b (cm)

(b) (c)
Figura 1 - (a) Estrutura viga-caixo bi-apoiada; (b) Carregamento; (c) Seo Transversal.

So dadas, para o projeto, as seguintes constantes:

vo da viga L0 = 600 cm tenso admissvel de cisalhamento = 0,45 tf/cm2
largura da viga b = 60 cm tenso normal admissvel de flexo = 0,7 tf/cm2
largura da aba ts = 0,5 cm mdulo de elasticidade do alumnio E = 700 tf/cm2
deflexo mxima = L0/400 cm carregamento na viga p = 10-4 tf/cm2 = 6.10-3 tf/cm

Deseja-se projetar a viga, de tal forma que:

(a) o peso da estrutura seja mnimo;
(b) as dimenses das variveis x1 e x2 sejam positivas;
(c) a mxima tenso de cisalhamento no exceda a admissvel;
(d) a mxima tenso normal de flexo no exceda a admissvel;
(e) no ocorra flambagem nas abas;
(f) a mxima deflexo no exceda a admissvel.
 De acordo com os itens (a) at (f) listados, o problema pode ser formulado como segue:
(a) minimizar P(x1, x2),
(b) sujeito a: x1, x2 0,
(c) ,
(d) b ,
(e) b k ,
(f) .

Inicialmente, necessrio conhecer as expresses de , b, k, , onde k a tenso

admissvel de flambagem. Os diagramas de Momento Fletor e Fora Cortante so utilizados
no desenvolvimento destas expresses e so apresentados na Figura 2.

q q.L0
R1 =R 2 = (tf)
R1 R2 2
L0

0 L
q.L2
M(L) = R1.L (tf.cm)
2

M mx
L 0 /2 L 0 /2 dM(L)
V(L)= = R1 q.L (tf)
dL

V mx

Figura 2 - Esquema esttico, equaes de reao de apoio, diagramas e equaes de

momento fletor e fora cortante.

As expresses da sobrecarga, da rea da seo transversal, da carga permanente e da

carga total da viga so:
p = 6.10-3 tf/cm;
A = b.x2-[(b-2.ts).(x2-2.x1)] = 118.x1+x2 cm2
g = .A = 2,7.10-6.(118.x1+x2) tf/cm;
q = p+g = 6.10-3+2,7.10-6.(118.x1+x2) tf/cm

Seguem as expresses necessrias para a modelagem do problema:

R 1 =R 2 =1,8+0,81.10-3 .(118.x1 +x 2 ) tf
L
M max = M 0 = R1. 0 0 = 270+0,1215.(118x1 +x 2 ) tf.cm
2
L q.L
2 2 8
Vmax = V(0) = R 1 =1,8+0,81.10-3 .(118.x1 +x 2 ) tf
Vmax 1,8+0,81.10-3 .(118.x1 +x 2 )
max = = tf /cm 2
2.t s .x 2 x2
M max 4,5+2,025.10-3 .(118.x1 +x 2 )
b = = tf /cm 2
b.x1.x 2 x1.x 2
2 .E x1
k = . =0,703.x12 tf /cm 2
2

3. (1 ) b
2

5 q.L30 48214,3. 6.10 +2,7.10 .(118.x1 +x 2 )

= =
-3 -6

x 32 + 354.x1.x 22
.
L0 384 E.I
Na expresso de k, o coeficiente de Poisson, o qual, para o material utilizado, 0,3.
Na expresso de /L0, I momento de inrcia da seo mostrada na Figura 1 (c), e
calculado pela expresso I = ( b e .h 3e bi .h 3i ) /12 , onde b, h, so, respectivamente, base e altura

I = ( x 32 + 354.x1.x 22 ) /12 , desprezando-se os termos x1n , para n 2.

e os subscritos (e, i), significam, respectivamente, externa e interna. Ento,

A funo a ser minimizada fornece o peso da estrutura, ou seja, P(x1, x2) = .L0.A. Como
e L0 so constantes, basta otimizar a funo P/(.L0) = A.

(a) min 118.x1 + x 2

O problema, ento, se reduz a:

(b) s. a: x1 , x 2 0

0,45
1,8+0,81.10-3 .(118.x1 +x 2 )
(c)
x2

0,7
4,5+2,025.10-3 .(118.x1 +x 2 )
(d)
x1.x 2

0,703.x12
4,5+2,025.10-3 .(118.x1 +x 2 )
(e)
x1.x 2
48214,3. 6.10-3 +2,7.10-6 .(118.x1 +x 2 ) .L0

L0
x + 354.x1.x
(f ) 3 2
2 2 400

min 118.x1 + x 2
Ou seja:

s. a: g1 (x) = 0,45x 2 1,8 0,81.10-3 .(118.x1 +x 2 ) 0

g 2 (x) = 0,7.x1.x 2 4,5 2,025.10-3 .(118.x1 +x 2 ) 0
g 3 (x) = 0,703.x13 .x 2 4,5 2,025.10-3 .(118.x1 +x 2 ) 0
g 4 (x) = x 32 + 354.x1.x 22 19285714, 29. 6.10-3 +2,7.10-6 .(118.x1 +x 2 ) 0
x1 , x 2 0
A Figura 3 mostra o espao de soluo do problema e o projeto timo x* = ( x1* , x *2 ).
 x2
g2(x) 0 g3(x) 0
Regio vivel

100

+ f (x)

- f (x)

g4(x) 0

x 1 0 x*
x*2
20
g1(x) 0
10 x 2 0

0 ,1 0 ,2 x*1 1 ,0 x1

Figura 3 - Espao de projeto, funo objetivo e soluo tima do problema da viga-caixo.

O timo o ponto x* que formado pela tangncia de f com g3. Isolando x2 nas
expresses de f e g3, derivando x2 com relao a x1, para as duas expresses, e igualando-as,
tem-se:
em f(x) x2 = f(x)-118.x1
dx 2
= -118
dx1
0,3359.x13 9, 490.x12 0, 4839.103
em g3(x) x2 =
4,5+0,23895.x1 dx 2
=
0,703.x13 2, 025.103 dx1 0,4942.x16 2,847.103.x13 + 4,101.106
58,31.x16 + 0, 6719.x13 + 9, 490.x12 = 0 x1 = 0,6423; x2 = 25,262; f(x) = 101,048
A soluo tima dada por x1* = 0,6423 cm; x *2 = 25,262 cm; f(x*) = 101,048 cm2. Na
prtica, pode-se adotar x1 = 0,64 cm, x2 = 25,6 cm, obtendo-se uma rea de 101,12 cm2, ou
x1 = 0,65 cm, x2 = 24,4 cm, obtendo-se uma rea de 101,1 cm2.
Um projetista experiente poderia selecionar x1 = 1 cm e x2 = 20 cm. Neste caso, todas as
equaes seriam satisfeitas e a rea seria 138 cm2. Assim considerando, a soluo por
otimizao provocou uma economia de quase 27%. Alm disto, explicitar todas as equaes,
ao modelar o problema de otimizao, reduz a possibilidade de erros.

5. MODELANDO NO EXCEL - SOLUO NUMRICA COM GRG E SOLVER

Considera-se que o Office ou apenas o Excel tenha sido instalado com a opo de incluir
o Solver. Dependendo da verso, necessrio que se explicite esta opo. Considera-se que o
usurio tenha includo nas configuraes a opo de apresentar o menu ou o boto
correspondente utilizao do Solver.
A seguir, tudo muito simples. Basta que se escreva em clulas do Excel quais so as
variveis, quais so as restries e que se faa a correspondncia destas clulas com as
informaes requeridas pelo Solver.
Para o problema apresentado na seo anterior, basta que se escreva as informaes como
apresentadas na Figura 4.

(a) (b)
Figura 4 - (a) Entrada de dados do problema; (b) Guia Dados, com o boto Solver.

Digitam-se os nomes das variveis, da funo objetivo e das restries, que, no exemplo,
so x1, x2, f, g1, g2, g3 e g4. Nas clulas adjacentes funo objetivo e s restries,
digitam-se suas equaes, explicitadas a seguir, sabendo que x1=C5 e x2=D5.

Quadro 2 - Equaes lanadas nas clulas.

Clula Equao
E5 =118*C5+D5
C7 =0,45*D5-1,8-0,00081*(118*C5+D5)
C8 =0,7*C5*D5-4,5-0,002025*(118*C5+D5)
C9 =0,703*C5^3*D5-4,5-0,002025*(118*C5+D5)
C10 =D5^3+354*C5*D5^2-19285714,29*(0,006+0,0000027*(118*C5+D5))

Para os dados iniciais x1=0 e x2=0, obtm-se um ponto no vivel, como pode ser visto
atravs dos valores das restries. Podem-se ensaiar novos pontos iniciais e os valores de f(x)
e de gi(x) sero alterados.
Aps a introduo dos dados, invoca-se o Solver, pressionando o boto correspondente.
Com o Solver iniciado, seleciona-se a clula da funo objetivo e o tipo de otimizao. A
seguir, definem-se as clulas das variveis. Estas operaes so apresentadas nas Figuras 5 e
6.
 Figura 5 - Associando a funo objetivo. Figura 6 - Associando variveis xi.

Para finalizar a introduo dos dados, utiliza-se o boto para adicionar restries e, para
cada restrio, define-se a clula da equao, o tipo de desigualdade e o valor limite para a
restrio. A Figura 7 apresenta esta operao para a restrio g1. Deve-se, tambm, repetir
esta operao para cada varivel, definindo-se seus limites.
O procedimento est completo e basta pressionar o boto Resolver.

Figura 7 - Associando restries gi. Figura 8 - Soluo dada pelo Solver.

Aps a soluo apresentada, podem-se escolher quais relatrios devem ser gerados e o
Solver criar novas planilhas com informaes detalhadas. A Figura 8 apresenta a soluo e
as opes de relatrios.

6. INTERPRETANDO A SOLUO

O Relatrio de Resposta apresenta os mesmos dados apresentados na planilha antes e

depois da otimizao, ou seja, valores iniciais e finais de x, f e g. Pode-se, com isto, verificar
se a soluo inicial era vivel ou no e verificar quais so as restries ativas.
O Relatrio de Sensibilidade apresenta o valor do gradiente reduzido para cada varivel e
os multiplicadores de Lagrange para cada restrio. O gradiente reduzido deve ser nulo se no
houver direo para melhorar o valor da funo objetivo. Os multiplicadores de Lagrange
devem ser nulos se as restries foram todas atendidas. No caso do exemplo, com a tolerncia
utilizada (padro do Excel), a restrio g3 = -3,5.10-7 e u3 = 5,4292. Caso queira, o usurio
poder modificar parmetros de tolerncia.
O Relatrio de Limites apresenta valores de limites inferiores e superiores das variveis e
da funo objetivo ao longo da busca do timo.

7. CONCLUSES

Dcadas se passaram para que um mtodo to eficiente como o Mtodo do GRG pudesse
ser utilizado de forma to simples como esta que possvel utilizando o Solver atravs do
Excel. E cabe a lembrana de que o GRG considerado, at a presente data, como o mais
eficiente para soluo geral de problemas de otimizao no-linear.
O exemplo, com apenas duas variveis, serve para demonstrar a utilizao, de forma
simples, de um procedimento que eficiente e que, geralmente, considerado difcil ou at
impraticvel.
Da mesma forma como o problema-exemplo foi modelado, diferentes problemas de
diversas reas de aplicao podem ser modelados e resolvidos atravs de tcnicas de
otimizao no-linear.
Problemas no to simples e que tenham vrias variveis devem ser resolvidos com
programas que resolvam problemas de programao no-linear e que sejam implementados a
partir de algoritmos como o descrito na Seo 3. A dupla de programas Solver-Excel faz
exatamente isto.

REFERNCIAS BIBLIOGRFICAS

Histricas: criao do Mtodo GRG, algoritmos GRGA e GRG2 e criao do Solver

ABADIE, J. Mthode du Gradient Rduit Gnralis: Le Code GRGA. Paris: letricit de
France, 1975.
CARPENTIER, J.; ABADIE, J. Gnralisation de la Mthode du Gradient Rduit de
Wolfe au cas des Contraintes Non LineairesIV International Conference on Operational
Research. Anais... In: PROCEEDINGS OF ... OPERATIONS RESEARCH SOCIETY OF
AMERICA. New York: D. B. Herts and J. Melese, 1966.
HOCK, W.; SCHITTKOWSKI, K. Test Examples for Nonlinear Programming Codes. 1.
ed. Berlin: Springer-Verlag, 1981. 187 p.
LASDON, L. S.; FOX, R. L.; RATNER, M. W. Nonlinear Optimization using the
Generalized Reduced Gradient Method. Revue Franaise dAutomatique, Informatique et
Recherche Operationnelle, n. 3, p. 73-104, 1974.
LASDON, L. S.; WAREN, A. D.; RATNER, M. W. GRG2 Userss GuideUniversity of
Texas at Austin, 1980.
ROSEN, J. B. The Gradient Projection Method for Nonlinear Programming. Part I: Linear
Constraints. Journal of the Society for Industrial and Applied Mathematics, v. 8, n. 1, p.
181-217, 1960.
ROSEN, J. B. The Gradient Projection Method for Nonlinear Programming. Part II:
Nonlinear Constraints. Journal of the Society for Industrial and Applied Mathematics, v.
9, n. 4, p. 514-532, 1961.
SCHITTKOWSKI, K. More Test Examples for Nonlinear Programming Codes. 1. ed.
Berlin: Springer-Verlag, 1987. 265 p.
WAREN, A. D.; LASDON, L. S. The Status of Nonlinear Programming Software.
Operations Research, v. 27, n. 3, p. 431-56, 1979.
WOLFE, P. The Reduced Gradient Method. In: Recent Advances in Mathematical
Programming. New York: R. L. Graves and P. Wolfe, 1963. p. 67-86.
Pesquisa complementar, criao de exemplo e utilizao do Solver
BALDICK, R. Applied optimization: formulation and algorithms for engineering
systems. 1. ed. Cambridge: Cambridge University Press, 2009. 792 p.
BELEGUNDU, A. D.; CHANDRUPATLA, T. R. Optimization concepts and applications
in engineering. 2. ed. New York: Cambridge University Press, 2011. 475 p.
FRONTLINE SYSTEMS INC. Optimization Tutorial for Solver Users. Disponvel em:
<www.solver.com/optimization.htm>. Acesso em: 9 abr. 2012.
GALLAGHER, R. H.; ZIENKIEWICZ, O. C. Optimum Structural Design: Theory and
Applications. 2. ed. Chichester: John Willey & Sons, 1977. 372 p.
KIRSCH, U. Optimum Structural Design: Concepts, Methods and Applications. 1. ed.
New York: McGraw-Hill Book Company, 1981. 455 p.
MICROSOFT CORPORATION. Microsoft Excel Solver. Disponvel em:
<office.microsoft.com>. Acesso em: 9 abr. 2012.
NOCEDAL, J.; WRIGHT, S. J. Numerical optimization. 2. ed. New York: Springer, 2006.
686 p.
RAO, S. S. Engineering optimization: Theory and Practice. 4. ed. New York: Wiley, 2009.
813 p.
RUSZCZYNSKI, A. Nonlinear optimization. 1. ed. Princeton: Princeton University Press,
2006. 463 p.
SACOMAN, M. A. R. Otimizao de Projetos. Energia na Agricultura, v. 13, p. 66-76,
1998.

DESIGN OPTIMIZATION USING GRG, SOLVER AND EXCEL

Abstract: Modeling and solving projects using optimization are techniques that can be used
by the professionals in dealing with these projects and, in general, can be professionals in
any field of knowledge. This occurs because any project that can be expressed as
mathematical equations, in any area of knowledge, is a candidate to be considered an
optimization problem. However, professionals of these areas do not always know the
methods, algorithms and computer programs that solve problems of optimal design. The main
objective of this paper is to present a very efficient tool in solving optimization problems,
which can be used in practice, defining the problem in a simple way, using equations
introduced in spreadsheet cells. This is the Excel spreadsheet, widely known for simple
calculation, but it has also powerful tools, not so well known, such as Solver, which uses
methods like Simplex for solving linear problems and GRG for solving nonlinear problems. It
is important to consider that the GRG method is considered, since its first stable
computational implementation (GRGA-1975), until today, as the most efficient method for
solving general problems of nonlinear programming.

Keywords: Optimization, Optimal design, Linear and nonlinear models, GRG, Solver, Excel.